Linjära ekvationssystem Linjär Algebra n obekanta & n ekvationer a11x1 + a12x2 + a13x3 + … + a1n xn = b1 a21x1 + a22 x2 + a23x3 + … + a2nxn = b2 Ax = b … an1 x1 + an2x2 + an3x3 + … + annxn = bn 3 1 -Ekvationssystem 3 2 -Ekvationssystem Viktiga begrepp Linjära ekvationssystem ❍ Ax = b A= där A n × n-matris och b n × 1-vektor a11 a12 a13 … a1n b1 a21 a22 a23 … a2n b2 a31 a32 a33 … a3n b= … an1 3 b3 … an2 an3 … ann bn 3 -Ekvationssystem 3 ❍ Ortogonalitet xTy = 0, samt QTQ = I ❍ Linjärt oberoende Ax = 0 ↔ x = 0 ❍ Bas spänner upp vektorrum ❍ Rang rang(A) = dim(R(A)) ❍ Värderum R(A) = { b෯෯ Rm| b=Ax, x෯෯ Rn } ❍ Nollrum N(A) = { x ෯ Rn | Ax = 0 } 4 -Ekvationssystem Kolumnerna i A Exempel 1 0 1 Exempel : A 3× ×3-matris 5 4 9 Ax = b kan lösas ⇔ b ligger i det plan som spänns upp av A’s kolumner ( underrum till R3 ) 2 4 6 R Detta rum kallas värderummet till A, R(A) b1 = 0 0 -Ekvationssystem (A) spänns upp av t.ex. 1 Lösningarna till Ax = 0 utgör nollrummet till A, N(A) 3 kol1 + kol2 = kol3 5 3 -Ekvationssystem 1 ∉ R (A) medan b2 = 0 ∈ R 1 0 5 4 2 4 (A) -3 6 Entydig lösning till Ax=b Handräkning ❍ Ekvivalenta utsagor Vad gör man ? ● ❍ Kolumnerna i A utgör bas för Rn ❍ Kolumnerna i A är linjärt oberoende ❍ A är ickesingulär ❍ A är inverterbar ❍ Ax = 0 ⇔ x=0 ❍ det(A) ≠ 0 ● ● 3 Nollställ varje kolumn under huvuddiagonalen gör samtidigt samma operationer på högerledet Lös det triangulära systemet med bakåtsubstitution Överför matrisen på triangulär form genom att eliminera obekanta ur ekvationerna 7 -Ekvationssystem 3 Triangulära system ❍ Bakåtsubstitution Enkla att lösa ❍ Lös Ux = c där U övertriangulär alla diagonalelement ≠ 0 förutsätts 18 −21 −3 5 2 Övertriangulär U = 0 0 0 1 »U\c xn =cn/unn xi = (ci - ∑uij·xj)/uii 1 0 0 Undertriangulär L = −1/ 3 1 0 −2 / 3 2 1 3 8 -Ekvationssystem ans = 2 1 9 -Ekvationssystem 3 10 -Ekvationssystem Två svårigheter Pivotering ① något diagonalelement blir 0 ⇒ byt rader ❍ Viktigt att pivot-elementen ≠ 0 ① ett diagonalelement väldigt litet, naturligt eller pga. avrundningsfel ⇒ bra om el. inte växer |m| < 1 ⇒ välj det största el. i kol. ❍ Vi vill ha så stort pivot-el. som möjligt (beloppet) ❍ ❍ 3 1 i = n-1, n-2, …, 1 -Ekvationssystem 11 3 Byt rader i matrisen (och i högerledet) för att ordna detta. (Pivotera) Genom detta blir alla multiplikatorer mik = aik/akk till beloppet < 1 -Ekvationssystem 12 Permutationer ❍ ❍ 3 Permutationsmatriser Att låta två rader byta plats kan utföras med matrismultiplikation från vänster P 1 0 -2 A 3 1 = 0 * 1 0 0 -6 13 3 = 0 0 1 2 13 5 -6 P*A 13 3 -2 3 1 2 13 5 ❍ ❍ ❍ ❍ En enhetsmatris med omkastade rader 13 -Ekvationssystem 3 Enkel - byter två rader En enkel permutations matris är symmetrisk P = PT = P-1 En produkt av permutationsmatriser är en permutationsmatris P = P1·P2…·Pn Multiplikation med P från höger permuterar kolumner 14 -Ekvationssystem Pivotera inte..... LU-faktorisering … när matrisen är ❍ Diagonaldominant n ∑a j =1, j ≠i ❍ ❍ ij Gausselimination med partiell pivotering (på ickesingulär matris) PA = LU ≤ aii , i = 1,2,K,n ❍ Lös Ax = b ● ● symmetrisk och positivt definit ● Förekommer t.ex. vid diskretisering av randvärdesproblem för diff.ekvationer 3 15 -Ekvationssystem A b 18 -21 -3 -6 12 3 -12 24 7 1 0 -1/3 1 -2/3 2 L 3 ● -Ekvationssystem 0 0 1 x y= = -27 21 43 b -27 21 43 3 PAx = Pb LUx = Pb Ly = Pb Ux = y 16 -Ekvationssystem Ax = b Ux = y Ax = b Ax = b LUx = b Ly = b Ux = y -27 ⇒ y = 12 1 17 3 U y 18 -21 -3 0 5 2 0 0 1 -27 12 1 -Ekvationssystem x= ⇒ x= 1 2 1 LUx = b Ly = b Ux = y 18 Komplexitet / “Kostnad” Normer ❍ Samma A - olika b ● LU-uppdelningen återanvänds En vektornorm är ett mått på längden hos en vektor och uppfyller ● LU-faktoriseringen ● ● n3/3 mult. & additioner ● Framåt/bakåt substitutionen ● ● ● 3 ● || x || ≥ 0, för alla x || x || = 0 omm x = 0 || αx || = |α| · || x || || x+y || ≤ || x || + || y || för att beräkna xi åtgår n-i additioner och multiplikationer (+ en division) för n obekanta blir det 0.5·(n2 - n) totalt c:a n2 19 -Ekvationssystem 3 20 -Ekvationssystem Olika vektornormer p 1/p n x p Felen = (∑ |x i| i=1 ) ❍ För en given vektornorm definieras n ! 1-norm x 1 = ∑|x i| ● i=1 ● n 3 absoluta felet ∆x = x^ - x relativa felet 2 1/2 ! 2-norm x 2 = (∑ |x i| i=1 ! ∞-norm x ∞ = max|x i| ) ||∆x|| || || ||||x^ - x|||| = ||x|| || || ||x|| || || i 21 -Ekvationssystem 3 22 -Ekvationssystem Matrisnorm ❍ Matrisnormer Härleds från vektornomen ! 1-norm Ax A = max x ! ∞-norm n 1 = max ∑ |aij | ∞ = max ∑ |aij | A n A En sådan matrisnorm satisfierar ● ● ● ● 3 -Ekvationssystem i=1 j i j=1 n ! F-norm A ≥ 0, för alla A A = 0 omm A=0 αA = |α α| A A + B ≤ A+B A F n 1/2 ∑ |a ij|2 ) =( ∑ j=1 i=1 !2-normen : roten ur största egenvärdet till ATA = största singulära värdet 23 3 -Ekvationssystem 24 Egenskaper 3 Konditionstal (p-normer) ① ||A || || > 0 om A≠ 0 ① ||αA|| ||α || = |α|·|| |α| || A|||| för varje skalär α ① ||A+B|| || ≤ ||A|| || || || + ||B|| || || ① ||AB|| || || ≤ ||A|| || || · ||B|| || || ① ||Ax|| || || ≤ ||A || || · || x|||| för varje vektor x ❍ ❍ ❍ En störning i b ger en störning i x A(x +∂x) = b +∂b Relativa störningen i lösningen blir ∂x x 25 -Ekvationssystem Det exakta systemet Ax = b, har den exakta lösningen x 3 ≤ A 3 A ❍ cond(A) → ∞ ❍ det(A) = 0 ⇔ A singulär cond(A) ≥ 1 ① cond(I) = 1 enhetsmatrisen det(α αIn) = αn godtyckligt litet för |α α|< 1 ① cond(P) = 1 P permutationsmatris cond(α αIn) = cond(In) = 1 ① cond(α αA) = cond(A) ① cond(D) = α skalär max|di| min|di| D diagonalmatris 27 3 A1 \ b = x 0.0001 1.0000 2.0000 0.0001 1.0000 1.0000 2.0001 2.0000 A1 \ b = x 0.0001 1.0000 2.0000 0 1.0000 1.0000 2.0000 2.0000 -Ekvationssystem 28 -Ekvationssystem Illa-konditionerad matris »norm(A1) ans = 1.6181 »cond(A1) ans = 2.6184 Liten ändring i b ger liten ändring i x 3 A → singulär ① Välkonditionerad matris 2 26 Jmfr med determinant A-1 -Ekvationssystem 1 ∂b b -Ekvationssystem Egenskaper cond(A) = A-1 1 A2 \ b = x 1.0000 1.0000 2.0000 2.0000 1.0000 1.0001 2.0000 0 2 A2 \ b = x 1.0000 1.0000 2.0000 1.0000 1.0000 1.0001 2.0001 1.0000 »norm(A2) ans = 2.0001 »cond(A2) ans = 4.0002e+04 Liten ändring i b ger stor ändring i x 29 3 -Ekvationssystem 30 ^ Residualen r = b - Ax Slutsats ! Ändringen 10-4 i högerledet förstorades till en ändring av storleksordningen 1 ❍ Liten residual garanterar inte korrekt lösning ❍ Korrekt lösning kan ha stor residual !A2 är nära singulär - stort konditionstal Oavsett numerisk metod så kommer vi inte ifrån detta! A= ♠ Även en väl-konditionerad matris kan förstöras av en dålig algoritm 3 1.0010 1.0000 1.0000 »cond(A) = 4.0020e+03 31 -Ekvationssystem 1.0000 3 32 -Ekvationssystem Liten residual b1 = Stor residual x1 = b3 = 2.001 1 1 -1000 2.000 1 0 1000 x2 = »norm(x1-x2)/norm(x1) = 1 »norm(x3-x4)/norm(x3) = 7.0711e-04 x4 = 2 -1001 0 3 »norm(b1-A*x2) = 1.0000e-03 1000 33 -Ekvationssystem 3 Symmetri t.ex. AT=A ❍ Pos.definit xTAx > 0, alla x ≠ 0 ❍ Band t.ex. 3 -Ekvationssystem x 0 0 0 0 0 x 0 34 Symmetriska pos.def. system A kan Cholesky-faktoriseras A = LLT ❍ Gleshet t.ex. (se Matlabs sparse) »norm(b3-A*x4) = 1.4142 -Ekvationssystem Egenskaper som kan utnyttjas ❍ x3 = 0 0 0 x 0 x x 0 35 3 ❍ Kräver inte pivotering för num. stablilitet ❍ Bara halva matrisen behövs ❍ n3/6 operationer (hälften mot LU) -Ekvationssystem 36 Bandsystem Glesa system Mycket likt vanlig LU ● ● ● ❍ lagrar bara el ≠ 0 kortare loopar jmf med Gaussel. pivotering kan öka bandbredden (max dubbelt) PDE ger upphov till glesa system som ofta löses bäst med iterativa metoder Pivotering behövs ofta inte för tridiagonala, för dessa är ofta antingen diagonaldominanta eller pos.def Faktoriseringen O(β β2·n) β-bandbredden 3 -Ekvationssystem 37 3 -Ekvationssystem 38